建设网站那家好,网站空间流量6g,邢台网警,怎么看网站是谁家做的目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献5.代码获取 1.背景
2024年#xff0c;H Zhang受到雷达技术启发#xff0c;提出了波搜索算法#xff08;Wave Search Algorithm, WSA#xff09;。 2.算法原理
2.1算法思想
WSA模拟雷达工作时的发射、反… 目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献5.代码获取 1.背景
2024年H Zhang受到雷达技术启发提出了波搜索算法Wave Search Algorithm, WSA。 2.算法原理
2.1算法思想
WSA模拟雷达工作时的发射、反射和接收波的过程并且利用了被优化问题的梯度信息采用了多种改进的贪心机制具有准确、高效、灵活、适应性强的特点。
2.2算法过程
初始化
首秀按准备n个随机数k1, k2…Kn0Ki1)初始化粒子位置: x i ∑ 1 i k i / ∑ 1 n k i (1) x_i\sum_1^ik_i/\sum_1^nk_i\tag{1} xi1∑iki/1∑nki(1) 其中xi为均匀化ki, x * 为x中的随机值: W l b x ∗ ( u b − l b ) (2) Wlbx^*\left(ub-lb\right)\tag{2} Wlbx∗(ub−lb)(2)
全局探索 W i n e w W m i n r 1 ⋅ ( W m a x − W m i n ) { W i W i n e w i f f ( W i n e w ) ≤ f m e a n W i W i i f f ( W i n e w ) f m e a n (3) W_{i}^{new}W_{\mathrm{min}}r_{1}\cdot(W_{\mathrm{max}}-W_{\mathrm{min}})\\\\\left\{\begin{array}{ll}W_iW_i^{new}iff\left(W_i^{new}\right)\leq f_{mean}\\W_iW_iiff\left(W_i^{new}\right)f_{mean}\end{array}\right.\tag{3} WinewWminr1⋅(Wmax−Wmin){WiWinewWiWiififf(Winew)≤fmeanf(Winew)fmean(3) 其中Wmin是由W各维上的最小值组成的向量Wmax是由W各维上的最大值组成的向量fmean是所有粒子适应度值的平均值。此策略可以逐步缩小搜索范围新生成的点在缩小的范围内生成提高了搜索效率采用贪婪机制控制种群在全局最优位置附近的位置。
局部开发
发送电磁波
模拟电磁波向外扩散减少陷入局部最优的可能性提高搜索效率。 W i n e w W b e s t ( W l i − W b e s t ) ⋅ ( 1 m i ) σ (4) W_i^{new}W_{best}\frac{(W_{l i}-W_{best})\cdot(1m_i)}{\sigma}\tag{4} WinewWbestσ(Wli−Wbest)⋅(1mi)(4) 其中σ为波形大小控制系数表述为: σ − ( 5 t / T − 2 ) / 25 ( 5 t / T − 2 ) 2 0.7 (5) \sigma-(5t/T-2)/\sqrt{25{\left(5t/T-2\right)}^{2}}0.7\tag{5} σ−(5t/T−2)/25(5t/T−2)2 0.7(5)
反射电磁波 g i ( f ( W ε i ) − f ( W − ε i ) ) / 2 ε W i W i − α ⋅ g i (6) g_{i}\left(f\left(W_{\varepsilon i}\right)-f\left(W_{-\varepsilon i}\right)\right)/2\varepsilon\\W_{i}W_{i}-\alpha\cdot g_{i}\tag{6} gi(f(Wεi)−f(W−εi))/2εWiWi−α⋅gi(6) 其中W εi Wi ε W−εi Wi−ε ε 10−6,g为梯度α为阶跃系数α的初始值设为0.45。步长试验方法如下:如果初始步长迭代后的适应度值小于等于当前适应度值则α 1.5α否则α 0.5α。此策略采用中心差分法求解待优化问题的解析信息用于搜索最优解。
接收电磁波 { W i n e w W i δ ⋅ r 2 ⋅ ( W b e s t − W i ) η ⋅ cos ( π i n ) ⋅ ( W b e s t − W i ) i f r 5 ≤ 0.7 W i n e w W i λ ⋅ r 3 ⋅ ( W b e s t − W i ) 0.5 ⋅ r 4 ⋅ ( 1 − λ ) ⋅ ( W b e s t ∗ − W i ) i f r 5 0.7 (7) \left\{\begin{array}{ll}W_i^{new}W_i\delta\cdot r_2\cdot(W_{best}-W_i)\eta\cdot\cos(\frac{\pi i}{n})\cdot(W_{best}-W_i)if r_5\leq0.7\\W_i^{new}W_i\lambda\cdot r_3\cdot(W_{best}-W_i)0.5\cdot r_4\cdot(1-\lambda)\cdot(W_{best}^*-W_i)if r_50.7\end{array}\right.\tag{7} {WinewWiδ⋅r2⋅(Wbest−Wi)η⋅cos(nπi)⋅(Wbest−Wi)WinewWiλ⋅r3⋅(Wbest−Wi)0.5⋅r4⋅(1−λ)⋅(Wbest∗−Wi)ifr5≤0.7ifr50.7(7) 其中δ是接受系数表述为: δ 0.6 ( 1.2 − 0.5 ) sin ( t π 2 T ) (8) \delta0.6(1.2-0.5)\sin(\frac{t\pi}{2T})\tag{8} δ0.6(1.2−0.5)sin(2Ttπ)(8)
伪代码 3.结果展示 4.参考文献
[1] Zhang H, San H, Sun H, et al. A novel optimization method: wave search algorithm[J]. The Journal of Supercomputing, 2024: 1-36.
5.代码获取
资源清单
